一种自适应细菌计数方法
技术领域
本发明涉及一种细菌计数方法,尤其涉及一种无人工干预的自适应细菌计数方法。
背景技术
目前,广泛使用的细菌计数方法为二值化分割细菌计数法,该方法通过高分辨率的CCD相机获取细菌图像,然后对图像进行如下一系列的操作:首先,针对培养基图像手动进行识别区域的提取,接着对图像进行灰度化,然后,针对灰度图片再进行二值化,在二值化环节可以利用图像的梯度值、灰度值、RGB颜色通量等阈值来修正二值化的结果,以得到理想的二值化黑白图像,作为后续连通区域分割的输入。最后,针对二值化以后的黑白图片找到连通区域,对连通区域进行分割,计算出细菌数量。
该方法的缺点体现在智能化程度不高,多个环节需要人工交互,识别区域的提取需要手动选择识别区域,细菌的种类需要人工手动选定,进行二值化操作的一些参数需要手动调节,连通区域的分割也需要手动调节相关参数,杂质的剔除以及误识别细菌的去除需要手动删除,整个操作过程很繁琐,需要用户具备一定的操作技能,并且识别效果也不好。过二值化确定连通区域。然后进行分割的手段,带来大量的杂质点以及误识别点,并且遗漏的细菌很多,需要用户手动添加上去,一定程度上影响计数的准确性。因此,现有细菌计数方法存在准确性低、操作过程繁琐、操作技能要求高、劳动强度大的缺点。
发明内容
本发明的目的在于提供一种自适应细菌计数方法,以解决现有技术中细菌计数方法存在准确性低、操作过程繁琐、操作技能要求高、劳动强度大的技术问题。
为达到上述目的,本发明提供一种自适应细菌计数方法,包括以下步骤:
(1)对高分辨率CCD相机获取的细菌图像分析整张图片的形态,进行种类识别,识别出属于纸片培养基还是圆形平皿培养基并自动提取识别区域。
(2)对识别区域进行色彩空间的HSV分析,自动判别出细菌所属的子类。
(3)在无人工干预以及无需人工设置参数的情况下,自适应的识别出细菌的数量以及形状特征,完成细菌的计数以及相关特征的统计。
(4)通过分析步骤(3)得到的识别结果,统计出细菌的尺寸直方图。
依照本发明较佳实施例所述的自适应细菌计数方法,步骤(1)中种类识别手段为,提取培养皿的外围轮廓,如果外围轮廓为圆形,则为圆形培养皿,其它种类视为纸片培养皿。
依照本发明较佳实施例所述的自适应细菌计数方法,步骤(1)中提取识别区域时,对于纸片培养基,提取的细菌识别区域为矩形,对于圆形平皿培养基,提取的细菌识别区域为圆形。
依照本发明较佳实施例所述的自适应细菌计数方法,步骤(3)中,对于圆形培养皿采用自适应圆形平皿细菌计数法识别细菌的数量和形状特征。
依照本发明较佳实施例所述的自适应细菌计数方法,对于纸片培养基采用自适应纸片色彩空间过滤法识别细菌的数量和形状特征。
依照本发明较佳实施例所述的自适应细菌计数方法,上述步骤(3)具体包括以下步骤:
首先,对于获得的细菌图像经过边缘提取和噪声滤除后获得每个像素点的梯度方向和幅值大小,若梯度幅值小于门限则将其置零。
其次,对于边缘提取后的图像按照每个像素点的梯度方向和检测范围进行投影,并对投影结果进行加权统计。
之后,对于投影得到的图像经过低通平滑滤波和局部二值化处理,得到连通区域即为细菌所在区域。
最后,通过细菌所在的连通区域定位细菌的数量、位置以及尺寸。具体为:扫描每一个连通区域,然后,对每个区域进行编号,拟合出每个区域的中心位置,计算出连通区域的包围盒尺寸,有效连通区域的数量即是细菌的数量,中心位置和包围盒尺寸等效为细菌的位置和尺寸。
依照本发明较佳实施例所述的自适应细菌计数方法,上述步骤(3)具体包括以下步骤:
首先,通过统计纸片矩形区域内的色彩空间信息,采用HSV的阈值分割,滤除掉纸片矩形区域内可能存在的网格线干扰,得到细菌所在的连通区域。
之后,通过细菌所在的连通区域定位细菌的数量、位置以及尺寸,具体为:扫描每一个连通区域,然后,对每个区域进行编号,拟合出每个区域的中心位置,计算出连通区域的包围盒尺寸,有效连通区域的数量即是细菌的数量,中心位置和包围盒尺寸等效为细菌的位置和尺寸。
本发明的自适应细菌计数算法通过自适应的分类以及识别区域提取获取相关识别区域进行统计,并且输出统计直方图。该方法通过整体形态以及颜色HSV特性,自动判别菌落培养皿所属种类,实现无人工干预;通过自适应圆形平皿菌落计数法,实现了圆形平皿的菌落计数以及特征统计的一键式识别,对操作员的操作技能要求大大降低;通过自适应纸片色彩空间过滤法,实现了纸片平皿的菌落计数以及特征统计的一键式识别,对操作员的操作技能要求大大降低。本发明实现了智能化识别,识别精度高,计数准确。并且,本发明无需人工干预,大幅降低了对操作人员的操作技能要求,大大降低了劳动强度。因此,与现有技术相比,本发明具有准确性高、操作简单、劳动强度低的优点。
附图说明
图1是本发明一种自适应细菌计数放法的流程原理图;
图2是本发明圆形培养皿示意图;
图3是本发明纸片培养皿示意图;
图4是本发明圆形识别区提取示意图;
图5是本发明圆形培养皿识别示意图;
图6是本发明纸片培养皿识别示意图;
图7是本发明的细菌的尺寸直方图。
具体实施方式
下面结合附图对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本实施例以基于球菌的圆形培养皿的显微图片的统计计数为例进行说明,输入图像为圆形培养皿的球菌的显微镜照片图像,如图2所示。
请参阅图1,一种自适应细菌计数方法,包括以下步骤:
S11:对高分辨率CCD相机获取的细菌图像分析整张图片的形态,进行种类识别,识别出属于纸片培养基还是圆形平皿培养基并自动提取识别区域。
针对高分辨率CCD相机获取的细菌图像,首先需要进行种类识别。种类中包含纸片培养皿以及圆形平皿两种大类。每种大类下面又划分为几个小类。首先,根据图像的整体形态特征识别出是纸片培养皿还是圆形平皿,识别手段为提取培养皿的外围轮廓,如果外围轮廓为圆形,则为圆形培养皿,其它种类视为纸片培养皿。圆形培养皿如图2所示,纸片培养皿如图3所示。对于圆形培养皿而言,提取的识别区域为圆形,对于纸片培养皿而言,提取的识别区域为矩形,提取出来的圆形区域如图4所示。
S12:对识别区域进行色彩空间的HSV分析,自动判别出细菌所属的子类。
依据提取出来的识别区域的颜色HSV特性,根据H,S,V分量值的范围,自动选择每个大类下面的小类。每个小类都有自己的识别算法。对于常规种类计算的采取梯度阈值提取边缘轮廓方法,然后拟合出细菌的位置、尺寸信息;对于边缘模糊不清的情况,采取先进行直方图增强然后配合梯度滤波的方法识别出有效的细菌位置;对于多种颜色干扰的细菌,采取HIS色彩通量的阈值分割,二值化再提取连通区域。对于上述得到的连通区域,通过细菌所在的连通区域定位细菌的数量、位置以及尺寸,具体的方法是扫描每一个连通区域,然后对每个区域进行编号,拟合出每个区域的中心位置,计算出连通区域的包围盒尺寸,有效连通区域的数量即是细菌的数量,中心位置和包围盒尺寸等效为细菌的位置和尺寸。
S13:在无人工干预以及无需人工设置参数的情况下,自适应的识别出细菌的数量以及形状特征,完成细菌的计数以及相关特征的统计。
对于圆形培养皿采用的核心算法是自适应圆形平皿细菌计数法,该方法包含如下几个步骤:边缘提取和噪声滤除、梯度空间方向加权投影、投影空间低通平滑滤波、局部二值化、细菌区域定位和半径估计。具体过程如下:
首先,对于获得的细菌图像经过边缘提取和噪声滤除后获得每个像素点的梯度方向和幅值大小,若梯度幅值小于门限则将其置零。
其次,对于边缘提取后的图像按照每个像素点的梯度方向和检测范围进行投影,并对投影结果进行加权统计。
之后,对于投影得到的图像经过低通平滑滤波和局部二值化处理,得到连通区域即为细菌所在区域。
最后,通过细菌所在的连通区域定位细菌的数量、位置以及尺寸。具体为:扫描每一个连通区域,然后,对每个区域进行编号,拟合出每个区域的中心位置,计算出连通区域的包围盒尺寸,有效连通区域的数量即是细菌的数量,中心位置和包围盒尺寸等效为细菌的位置和尺寸。识别结果如图5所示。
对于纸片培养皿采用的核心算法是自适应纸片色彩空间过滤法,该方法实施如下:
首先,通过统计纸片矩形区域内的色彩空间信息,采用HSV的阈值分割,滤除掉纸片矩形区域内可能存在的网格线干扰,得到细菌所在的连通区域。
之后,通过细菌所在的连通区域定位细菌的数量、位置以及尺寸,具体为:扫描每一个连通区域,然后,对每个区域进行编号,拟合出每个区域的中心位置,计算出连通区域的包围盒尺寸,有效连通区域的数量即是细菌的数量,中心位置和包围盒尺寸等效为细菌的位置和尺寸。识别结果如图6所示。
S14:通过分析步骤S13得到的识别结果,统计出细菌的尺寸直方图。如图7所示。
本发明的自适应细菌计数算法通过自适应的分类以及识别区域提取获取相关识别区域进行统计,并且输出统计直方图。该方法通过整体形态以及颜色HSV特性,自动判别菌落培养皿所属种类,实现无人工干预;通过自适应圆形平皿菌落计数法,实现了圆形平皿的菌落计数以及特征统计的一键式识别,对操作员的操作技能要求大大降低;通过自适应纸片色彩空间过滤法,实现了纸片平皿的菌落计数以及特征统计的一键式识别,对操作员的操作技能要求大大降低。本发明实现了智能化识别,识别精度高,计数准确。并且,本发明无需人工干预,大幅降低了对操作人员的操作技能要求,大大降低了劳动强度。因此,与现有技术相比,本发明具有准确性高、操作简单、劳动强度低的优点。
以上所述,仅是本发明的较佳实施实例而已,并非对本发明做任何形式上的限制,任何未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施实例所作的任何简单修改、等同变化与修饰,均属于本发明技术方案的范围。